Japanese/English
Ryo Tamura
website
|
NIMOは，自動材料探索を実現するために，人が介入することなくロボット実験と人工知能のクローズドループを実現するためのPythonライブラリです．
NIMS-OS(NIMS Orchestration System)として開発を始め(https://github.com/nimsos-dev/nimsos)，オープンソースソフトウェアとして広めるため，愛称としてNIMOを採用することにしました．
NIMOでは，人工知能，ロボット実験をそれぞれモジュールと捉えることで，様々な組み合わせで自動材料探索を実施することができます．
材料科学用人工知能として，ベイズ最適化手法（PHYSBO），無目的探索手法（BLOX），相図作成効率化手法（PDC）および，ランダム実験が使用できます．
ロボット実験として，NIMS電気化学自動実験ロボット（NAREE）が標準では使用できます． 結果の可視化ツールも同包することで，リアルタイムで最適化結果の確認が可能です．
独自に開発した人工知能，ロボット実験操作用モジュールを追加し利用することもできます．
今後モジュールは増やしていく予定です．
オンラインマニュアル：https://nims-da.github.io/nimo/ja/index.html GitHub：https://github.com/NIMS-DA/nimo |
|
AIPHAD(Artificial intelligence techniques for PHAse diagram)プロジェクトでは，人工知能・機械学習を利用することで，実験回数をできるだけ少なくし，
詳細な相図・状態図を描くために，「次の実験点」を適切に提案する手法を開発しました．
1～4成分系の相図・状態図を描くためのウェブアプリケーション，成分数に依存しないPython版コードを公開しています．
アプリケーションHP：https://aiphad.org/ オンラインマニュアル：https://nims-da.github.io/aiphad/docs/en/index.html GitHub：https://github.com/NIMS-DA/aiphad |
|
PHYSBO(optimization tool for PHYSics based on Bayesian Optimization)は，高速でスケーラブルなベイズ最適化 (Bayesian optimization) のためのPythonライブラリです．
ベイズ最適化は，複雑なシミュレーションや，実世界における実験タスクなど，目的関数値（特性値など）の評価に大きなコストがかかるような場合に利用できる手法です．
つまり，「できるだけ少ない実験・シミュレーション回数でより良い目的関数値（材料特性など）を持つパラメータ（材料の組成、構造、プロセスやシミュレーションパラメータなど）を見つけ出す」ことが，
ベイズ最適化によって解かれる問題です．
ベイズ最適化では，探索するパラメータの候補をあらかじめリストアップし，候補の中から目的関数値が最大と考えられる候補を機械学習（ガウス過程回帰を利用）による予測をうまく利用することで選定します．
その候補に対して実験・シミュレーションを行い目的関数値を評価します．
機械学習による選定・実験シミュレーションによる評価を繰り返すことにより，少ない回数での最適化が可能となります．
本ライブラリは，東京大学物性研究所 ソフトウェア高度化プロジェクト (2020 年度) の支援を受け開発されました． アプリケーションHP：https://www.pasums.issp.u-tokyo.ac.jp/physbo/ オンラインマニュアル：https://issp-center-dev.github.io/PHYSBO/manual/master/ja/index.html GitHub：https://github.com/issp-center-dev/PHYSBO |
|
ベイズ最適化（COMBO.exe）と相図作成効率化手法（PDC.exe）が，WindowsコンピュータにおいてPython等の設定なしに実行できるようにしたものです．
それぞれ，ベイズ最適化パッケージCOMBOおよび，相図作成効率化手法PDCを，機能を最小限に抑えて実行ファイルとして作成したものです．
CSVファイルを書き換えることで，どのような問題でも実行することができます．
改変はできないということを理解した上でダウンロードして使ってください．
ダウンロードページ：https://www.tsudalab.org/project/mitools/ 使用方法説明動画：https://www.youtube.com/watch?v=bM1Alcl7N9o GitHub (COMBO)：https://github.com/tsudalab/combo GitHub (PDC)：https://github.com/tsudalab/PDC |